多標(biāo)簽分類中標(biāo)簽編碼算法研究.pdf

1、在多標(biāo)簽分類中，一個(gè)樣本可能同時(shí)包含多個(gè)標(biāo)簽，多個(gè)標(biāo)簽之間可存在相互重疊。隨著數(shù)據(jù)集的標(biāo)簽維度增高，以及標(biāo)簽稀疏性問題，會(huì)導(dǎo)致分類算法的計(jì)算復(fù)雜度增加，分類性能下降。因此，對(duì)標(biāo)簽空間的編碼研究是多標(biāo)簽分類中非常重要的過程。
　　標(biāo)簽空間的編碼方法，主要分為標(biāo)簽壓縮類方法，標(biāo)簽擴(kuò)張類方法以及標(biāo)簽特征同時(shí)壓縮的方法。本文從標(biāo)簽壓縮的角度，提出了兩種用于多標(biāo)簽編碼的模型:(1)最大化標(biāo)簽與特征之間依賴度的標(biāo)簽編碼模型(LCCMD):該模

2、型采用Hilbert-Schmidt獨(dú)立性準(zhǔn)則來度量特征空間與標(biāo)簽空間的依賴度，通過最大化依賴度求解出標(biāo)簽空間的最優(yōu)投影，從而實(shí)現(xiàn)對(duì)標(biāo)簽空間的線性編碼與解碼;(2)基于對(duì)稱網(wǎng)絡(luò)的標(biāo)簽編碼模型(LCCSN):該模型構(gòu)建一個(gè)五層的對(duì)稱自動(dòng)編碼網(wǎng)絡(luò)，然后采用極限學(xué)習(xí)機(jī)的思想來訓(xùn)練該網(wǎng)絡(luò)，求解出對(duì)稱網(wǎng)絡(luò)的最優(yōu)權(quán)值，從而實(shí)現(xiàn)對(duì)標(biāo)簽空間非線性的編碼與解碼。
　　在算法的實(shí)驗(yàn)部分，主要收集了10個(gè)多標(biāo)簽分類算法的評(píng)價(jià)準(zhǔn)則，12個(gè)多標(biāo)簽數(shù)據(jù)集，與